.rename() и .rename_axis();DataFrame.rename();Series.rename();Index.rename();DataFrame.rename_axis();Series.rename_axis()..rename() и .rename_axis()Метод .rename() объектов Series/DataFrame позволяет перемаркировать ось на основе некоторого сопоставления (словаря или серии) или произвольной функции.
>>> import pandas as pd >>> import numpy as np >>> s = pd.Series(np.random.randn(5), index=["a", "b", "c", "d", "e"]) >>> s # a -0.485214 # b 1.546495 # c -0.496277 # d 2.006134 # e -0.438663 # dtype: float64 >>> s.rename(str.upper) # A -0.485214 # B 1.546495 # C -0.496277 # D 2.006134 # E -0.438663 # dtype: float64
Если передается функция, то она должна возвращать значение при вызове с любой из меток (и должна создавать набор уникальных значений). Также можно использовать словарь dict или Series:
df = pd.DataFrame( { "one": pd.Series(np.random.randn(3), index=["a", "b", "c"]), "two": pd.Series(np.random.randn(4), index=["a", "b", "c", "d"]), "three": pd.Series(np.random.randn(3), index=["b", "c", "d"]), } ) >>> df # one two three # a -0.826557 -0.564500 NaN # b -0.208274 0.220010 0.292087 # c -0.249032 0.727930 -0.757377 # d NaN -1.258104 -0.742752 # переименовываем столбцы и индексные метки >>> df.rename( ... columns={"one": "foo", "two": "bar"}, ... index={"a": "apple", "b": "banana", "d": "durian"}, ... ) # foo bar three # apple -0.826557 -0.564500 NaN # banana -0.208274 0.220010 0.292087 # c -0.249032 0.727930 -0.757377 # durian NaN -1.258104 -0.742752
Если словарь не включает метку столбца/индекса, то она не переименовывается. Обратите внимание, что дополнительные метки в сопоставлении не вызывают ошибки.
DataFrame.rename() также поддерживает соглашение о вызовах в стиле оси, где указывается один преобразователь mapper и ось axis, к которой будет применено это сопоставление (функция или словарь).
>>> df.rename({"one": "foo", "two": "bar"}, axis="columns") # foo bar three # a -0.826557 -0.564500 NaN # b -0.208274 0.220010 0.292087 # c -0.249032 0.727930 -0.757377 # d NaN -1.258104 -0.742752 >>> df.rename({"a": "apple", "b": "banana", "d": "durian"}, axis="index") # one two three # apple -0.826557 -0.564500 NaN # banana -0.208274 0.220010 0.292087 # c -0.249032 0.727930 -0.757377 # durian NaN -1.258104 -0.742752
Наконец, метод .rename() также принимает скаляр или список для изменения атрибута Series.name.
>>> s.rename("scalar-name") # a -0.485214 # b 1.546495 # c -0.496277 # d 2.006134 # e -0.438663 # Name: scalar-name, dtype: float64
Методы DataFrame.rename_axis() и Series.rename_axis() позволяют изменять определенные имена MultiIndex (в отличие от меток).
df = pd.DataFrame( {"x": [1, 2, 3, 4, 5, 6], "y": [10, 20, 30, 40, 50, 60]}, index=pd.MultiIndex.from_product( [["a", "b", "c"], [1, 2]], names=["let", "num"] ), ) >>> df # x y # let num # a 1 1 10 # 2 2 20 # b 1 3 30 # 2 4 40 # c 1 5 50 # 2 6 60 >>> df.rename_axis(index={"let": "abc"}) # x y # abc num # a 1 1 10 # 2 2 20 # b 1 3 30 # 2 4 40 # c 1 5 50 # 2 6 60 >>> df.rename_axis(index=str.upper) # x y # LET NUM # a 1 1 10 # 2 2 20 # b 1 3 30 # 2 4 40 # c 1 5 50 # 2 6 60
DataFrame.rename(mapper=None, *, index=None, columns=None, axis=None, copy=None, inplace=False, level=None, errors='ignore'):Метод DataFrame.rename() переименовывает столбцы или метки индексов. Значения функции/словаря должны быть уникальными (один-к-одному). Метки, не содержащиеся в словаре/Series, останутся как есть. Перечисленные отсутствующие метки ошибок не вызывают.
mapper=None - словарь или вызываемый объект для преобразования, применяемые к значениям этой оси. Одновременно используется аргументы либо mapper и axis, чтобы указать целевую ось для сопоставителя, либо index и columns.index=None - альтернатива указанию axis (указание аргументов mapper, axis=0 эквивалентно index=mapper).columns=None - альтернатива указанию axis (указание аргументов mapper, axis=1 эквивалентно columns=mapper).axis=None - ось для таргетинга с помощью mapper. Может быть либо именем оси (index, columns), либо номером (0, 1). По умолчанию используется index.inplace=False - следует ли изменять DataFrame, а не создавать новый. Если True, то аргумент copy игнорируется.level=None - В случае MultiIndex будут переименовываться метки только на указанном уровне.errors='ignore' - если передана строка ‘raise’, то поднимется исключение KeyError, когда mapper, index или columns содержат метки, которых нет в преобразуемом индексе. Если 'ignore', то существующие ключи будут переименованы, а несуществующие будут проигнорированы.copy=None - копирует базовые данные.
Ключевой аргумент
copyизменит поведение вpandas 3.0. Копирование при записи будет включено по умолчанию, что означает, что все методы сcopyбудут использовать механизм отложенного копирования. Ключевое слово copy будет удалено в будущей версииpandas. Эту функциональность уже можно включить установивpd.options.mode.copy_on_write = True
DataFrame:DataFrame.rename() поддерживает два соглашения о вызовах:
Настоятельно рекомендуется использовать ключевые аргументы, чтобы читающий ваш код программист понял что происходит.
Переименовывание столбцов с помощью словаря:
>>> df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]}) >>> df.rename(columns={"A": "a", "B": "c"}) # a c # 0 1 4 # 1 2 5 # 2 3 6
Переименовывание индекса с помощью словаря:
>>> df.rename(index={0: "x", 1: "y", 2: "z"}) # A B # x 1 4 # y 2 5 # z 3 6
Приведение индексных меток к другому типу:
>>> df.index # RangeIndex(start=0, stop=3, step=1) >>> df.rename(index=str).index # Index(['0', '1', '2'], dtype='object')
Поведение метода при аргументе errors="raise":
>>> df.rename(columns={"A": "a", "B": "b", "C": "c"}, errors="raise") # Traceback (most recent call last): # ... # raise KeyError(f"{missing_labels} not found in axis")
Использование аргументов "стиля оси":
>>> df.rename(str.lower, axis='columns') # a b # 0 1 4 # 1 2 5 # 2 3 6 >>> df.rename({1: 2, 2: 4}, axis='index') # A B # 0 1 4 # 2 2 5 # 4 3 6
Series.rename(index=None, *, copy=None, inplace=False, level=None, errors='ignore'):Метод Series.rename() переименовывает индексные метки или имя самой серии Series.
Значения функции/словаря должны быть уникальными (1-к-1). Метки, не содержащиеся в dict/Series, останутся как есть. Перечисленные несуществующие метки не вызывают ошибок при errors='ignore'.
Альтернативно изменить имя серии на скалярное значение можно атрибутом Series.name.
index=None - функция или сопоставление (например, словарь), применяемые к индексу. Скалярная или хешируемая последовательность будет изменять атрибут Series.name.inplace=False - следует ли изменять Series, а не создавать новый. Если True, то аргумент copy игнорируется.level=None - В случае MultiIndex будут переименовываться индексные метки только на указанном уровне.errors='ignore' - если передана строка ‘raise’, то поднимется исключение KeyError, когда index содержит метки, которых нет в преобразуемом индексе. Если 'ignore', то существующие ключи будут переименованы, а несуществующие будут проигнорированы.copy=None - копирует базовые данные.
Ключевой аргумент
copyизменит поведение вpandas 3.0. Копирование при записи будет включено по умолчанию, что означает, что все методы сcopyбудут использовать механизм отложенного копирования. Ключевое слово copy будет удалено в будущей версииpandas. Эту функциональность уже можно включить установивpd.options.mode.copy_on_write = True
Series:>>> import pandas as pd >>> s = pd.Series([1, 2, 3]) >>> s # 0 1 # 1 2 # 2 3 # dtype: int64
Скаляр меняет Series.name
>>> s.rename("my_name") # 0 1 # 1 2 # 2 3 # Name: my_name, dtype: int64
Функция изменяет индексные метки
>>> s.rename(lambda x: x ** 2) # 0 1 # 1 2 # 4 3 # dtype: int64
Словарь изменяет индексные метки
>>> s.rename({1: 3, 2: 5}) # 0 1 # 3 2 # 5 3 # dtype: int64
Index.rename(name, *, inplace=False):Метод Index.rename() изменяет имя индекса или MultiIndex.
Другими словами, этот метод дает возможность устанавливать новые имена без уровня. По умолчанию возвращается новый индекс. Длина имен должна соответствовать количеству уровней в MultiIndex.
name - индексная метка или их список для переименования.inplace=False - изменяет объект напрямую, вместо создания нового индекса или MultiIndex.Index или его индексных меток:Изменяем имя индекса Index:
>>> import pandas as pd >>> idx = pd.Index(['A', 'C', 'A', 'B'], name='score') >>> idx.rename('grade') # Index(['A', 'C', 'A', 'B'], dtype='object', name='grade')
Работа с MultiIndex:
idx = pd.MultiIndex.from_product([['python', 'cobra'], [2018, 2019]], names=['kind', 'year']) >>> idx # MultiIndex([('python', 2018), # ('python', 2019), # ( 'cobra', 2018), # ( 'cobra', 2019)], # names=['kind', 'year']) >>> idx.rename(['species', 'year']) # MultiIndex([('python', 2018), # ('python', 2019), # ( 'cobra', 2018), # ( 'cobra', 2019)], # names=['species', 'year']) >>> idx.rename('species') # Traceback (most recent call last): # TypeError: Must pass list-like as `names`.
DataFrame.rename_axis(mapper=no_default, *, index=no_default, columns=no_default, axis=0, copy=None, inplace=False):Series.rename_axis(mapper=no_default, *, index=no_default, copy=True, inplace=False):Метод DataFrame.rename_axis() и Series.rename_axis() переименовывает имя оси для индекса или столбцов.
mapper=no_default - значение для установки атрибута имени оси. Принимает скалярное значение или список.index, columns - преобразователь, может быть скалярным значением, списком, словарем или вызываемым объектом, которые будут применяться к значениям этой оси. Обратите внимание, что аргумент columns недопустим, если объект представляет собой серию Series. Эти аргументы применяется только к объектам типа DataFrame.axis=0 - ось, которую нужно переименовать. Для Series этот аргумент не используется и по умолчанию равен 0.inplace=False - изменяет объект напрямую, вместо создания новой Series или DataFrame.copy=None - копирует базовые данные.
Ключевой аргумент
copyизменит поведение вpandas 3.0. Копирование при записи будет включено по умолчанию, что означает, что все методы сcopyбудут использовать механизм отложенного копирования. Ключевое слово copy будет удалено в будущей версииpandas. Эту функциональность уже можно включить установивpd.options.mode.copy_on_write = True
Метод DataFrame.rename_axis() поддерживает два соглашения о вызовах.
(index=index_mapper, columns=columns_mapper, ...);(mapper, axis={'index', 'columns'}, ...).Первое соглашение о вызовах будет изменять только имена индекса и/или имена объекта Index, который является столбцами. В этом аргумент copy игнорируется.
Второе соглашение о вызовах изменит имена соответствующего индекса, если преобразователь mapper является списком или скаляром. Однако, если mapper - это словарь dict или функция, то он будет использовать устаревшее поведение изменения меток осей.
Настоятельно рекомендуется использовать ключевые аргументы, чтобы прояснить ваши намерения.
Пример для Series:
>>> import pandas as pd >>> s = pd.Series(["dog", "cat", "monkey"]) >>> s # 0 dog # 1 cat # 2 monkey # dtype: object >>> s.rename_axis("animal") # animal # 0 dog # 1 cat # 2 monkey # dtype: object
Пример для DataFrame:
df = pd.DataFrame({"num_legs": [4, 4, 2], "num_arms": [0, 0, 2]}, ["dog", "cat", "monkey"]) >>> df # num_legs num_arms # dog 4 0 # cat 4 0 # monkey 2 2
Переименование названия индекса строк
>>> df = df.rename_axis("animal") >>> df # num_legs num_arms # animal # dog 4 0 # cat 4 0 # monkey 2 2
Переименование названия индекса столбцов
>>> df = df.rename_axis("limbs", axis="columns") >>> df # limbs num_legs num_arms # animal # dog 4 0 # cat 4 0 # monkey 2 2
Пример для MultiIndex:
df.index = pd.MultiIndex.from_product([['mammal'], ['dog', 'cat', 'monkey']], names=['type', 'name']) >>> df # limbs num_legs num_arms # type name # mammal dog 4 0 # cat 4 0 # monkey 2 2
>>> df.rename_axis(index={'type': 'class'}) # limbs num_legs num_arms # class name # mammal dog 4 0 # cat 4 0 # monkey 2 2
>>> df.rename_axis(columns=str.upper) # LIMBS num_legs num_arms # type name # mammal dog 4 0 # cat 4 0 # monkey 2 2